Аналіз існуючих алгоритмів музичних рекомендаційних систем

Гордеєв, Р.С.; Граф, М.С.; Hordeiev, R.S.; Graf, M.S.

dc.contributor.author	Гордеєв, Р.С.
dc.contributor.author	Граф, М.С.
dc.contributor.author	Hordeiev, R.S.
dc.contributor.author	Graf, M.S.
dc.date.accessioned	2023-03-15T12:58:37Z
dc.date.available	2023-03-15T12:58:37Z
dc.date.issued	2022
dc.identifier.uri	http://eztuir.ztu.edu.ua/123456789/8120
dc.description.abstract	Ми живемо в час, коли людина просто переповнена інформацією. І, коли людина заходить на сайт пошуку музики, якогось товару чи відео, найменше, що вона хоче, – це поглибитись у ці вебресурси на довгий час, щоб знайти те, що їй потрібно. В таких ситуаціях на допомогу приходять рекомендаційні системи. Рекомендаційна система надає персоналізований список тих елементів, що мають сподобатися користувачу найбільше. Однією із найпопулярніших сфер, де застосовується рекомендаційна система, є музична. Заходячи на будь-який музичний стрімінговий сервіс (наприклад, Spotify), одразу бачиш список рекомендованих пісень, що можуть тобі сподобатися. Такі рекомендаційні системи розповсюджено по всьому інтернету і дозволяють зекономити нам багато часу та нервів при пошуку необхідного матеріалу. Під такими рекомендаційними системами можуть використовуватися різні алгоритми, які можна поділити на три великі групи: колаборативна фільтрація, фільтрація за вмістом та гібридна фільтрація. Кожен алгоритм має свої особливості і випадки використання, що розглядається більш детально в описі цих методів. Також після детального аналізу було спроєктовано власну музичну рекомендаційну систему. Було створено власний алгоритм побудови музичної рекомендаційної системи, оснований на попередньому аналізі вже існуючих алгоритмів. Було створено діаграму класів, в якій знаходяться необхідні сутності для реалізації музичної рекомендаційної системи на основі вподобань користувача.	uk_UA
dc.language.iso	uk	uk_UA
dc.publisher	Державний університет "Житомирська політехніка"	uk_UA
dc.relation.ispartofseries	Технічна інженерія;2(90)
dc.subject	музична рекомендаційна система	uk_UA
dc.subject	колаборативна фільтрація	uk_UA
dc.subject	фільтрація за вмістом	uk_UA
dc.subject	гібридна фільтрація	uk_UA
dc.subject	колаборативна фільтрація за моделлю	uk_UA
dc.subject	колаборативна фільтрація за сусідством	uk_UA
dc.subject	алгоритм	uk_UA
dc.subject	рекомендація	uk_UA
dc.subject	music recommendation system	uk_UA
dc.subject	collaborative filtering	uk_UA
dc.subject	content filtering	uk_UA
dc.subject	content filtering	uk_UA
dc.subject	hybrid filtering	uk_UA
dc.subject	collaborative filtering by model	uk_UA
dc.subject	collaborative neighborhood filtering	uk_UA
dc.subject	algorithm	uk_UA
dc.subject	recommendation	uk_UA
dc.title	Аналіз існуючих алгоритмів музичних рекомендаційних систем	uk_UA
dc.title.alternative	Analysis of existing algorithms of music recommendation systems	uk_UA
dc.type	Article	uk_UA
dc.description.abstracten	We live in a time characterized by excessive information overload. For example, a user looking for music, goods or videos does not intend to spend a lot of time and delve into the complexities of the search process. In such situations, it is advisable to use recommender systems. Such systems provide a personalized list of items that best meet the user's information needs. Music is one of the most popular areas where the recommender system is used. When visiting any music streaming service (such as Spotify), the user immediately sees a list of recommended songs that they might like. Such systems are quite common on the Web and allow users to save time and effort when searching for the necessary material. Under the hood of such recommender systems, different algorithms can be used, which can be divided into three large groups: collaborative filtering, content filtering, and hybrid filtering. Each algorithm has its own features and use cases, which are considered in a more detailed description of these methods. After a detailed analysis, we designed our own music recommendation system. An algorithm for creating the system has been developed, which is based on a preliminary analysis of already existing algorithms. To describe the entities of the music recommendation system and their relations, we designed a corresponding class diagram.	uk_UA